大学人才培养工作状态数据分析(王成方) )。

icve智慧职教首页

摘要：分析高校人才培养工作的状态数据，是高等职业院校人才培养工作评价的重要手段，也是完善教学质量保障体系、促进高校科学管理的重要手段。 进行良好状态的数据分析。 要切实把握状态数据转化为有价值信息的基本途径，明确研究针对性，把握数据整体性，挖掘数据相关性，提取分析目的，提高状态数据分析的准确性和科学性。关键词：高等教育； 人才培养； 状态数据

高等职业院校人才培养工作开展一年多来，各地对新方案的评估工作给予高度重视，社会各界也给予高度关注。 特别是各级教育行政部门和一些高等学校，利用人才培养工作的状态数据采集平台认真分析状态数据，促进了高等学校教育教学的改革和建设，推动了人才培养质量的提高。 但状态数据采集平台是一个新生事物，分析状态数据、指导高等教育改革的实践才刚刚开始，如何掌握状态数据分析的准确方法，提高数据分析质量，还有很大的空间。 笔者就如何进行人才培养工作状态的数据分析，谈几点认识和体会。一.认识高校人才培养工作状态数据分析的目的意义提高对高校人才培养工作状态数据分析目的意义的认识是进行数据分析的必要前提。

高校人才培养工作评价的主要方法是“诊断考察”，“围绕影响高校人才培养质量的关键因素，分析高校人才培养工作状态数据采集平台的数据，辅助现场重点考察，全面了解学校实际情况，对人才培养工作的主要方面进行分析和评价由此可见，分析状态数据是高等职业院校人才培养工作评价中不可缺少的重要内容。 2009年，教育部高等教育评估中心、教育部高等职业院校人才培养工作评估研究项目组和教育部高等教育司将以服务为宗旨，教学为一体，重点开展状态数据分析和预审，各省、市、自治区教育行政部门开展评估骨干专家系统培训，全面开展高等职业院校人才培养工作评估但高等职业院校人才培养工作评价的最终目标'旨在促进高等职业院校加强内涵建设，深化校企合作、产学结合的人才培养模式； 完善教育行政部门对高等职业院校的宏观管理，形成以学校为核心的教育行政部门为指导、社会参与的教育质量保障体系。” 要实现这一目标，仅有少数评估骨干专家是不够的，各地教育行政部门和所有高等院校要积极行动起来，尽快掌握状态数据分析方法，切实做好本省、我校的状态数据分析，充分发挥状态数据采集平台在自我评估、自我监测中的作用因此分析高等职业院校人才培养工作状态数据不仅是高等职业院校人才培养工作评价的重要手段也是各级教育行政部门对高等教育的宏观管理建立教育行政部门、高校和社会共同参与的教育质量保证体系，是促进高等学校管理现代化、制度化、科学化的重要途径。通过对高校人才培养工作状况数据的分析，可以准确把握各地高等职业教育和高等学校发展的基本轨迹，为各地高等职业教育投入、招生规模和当地经济发展要求、引导高等职业教育健康可持续发展提供参考。 通过对高校人才培养工作状况数据的分析，可以及时发现和总结高校在人才培养过程中的优缺点，加强高校内涵建设，采取必要措施，促进高校管理现代化、规范化、科学化。 通过对高校人才培养工作状况数据的分析，考生和家长可以更全面地了解各高校的实际情况，提高透明度，提高考生对报考高校的选择能力，更充分地发挥高等教育优质资源。 分析高校人才培养工作状况数据，可以引导社会各界了解和关注高等教育，实时监督高等教育，促进高等教育适应经济社会发展的需要，真正实现人民满意的教育。二、掌握高校人才培养工作状态数据分析的基本方法正确掌握高校人才培养工作状态数据分析的基本方法是进行数据分析的重要基础

高校人才培养工作状态数据分析的方法是针对数据分析的目的，利用高等职业院校人才培养工作状态数据采集平台，运用知识管理、统计分析等原理，对状态数据进行组织、比较，转化为有价值的信息。

状态数据通常是状态变量的观察值，多以数量的形式给出，是用于描述客观事物状态测量结果的数值。 状态数据一般可以分为绝对数据和相对数据两类。 绝对数据主要是自然数据，反映了事物发展过程中某一阶段的“全息图像”。 在状态数据平台上，可以直接看到的是绝对的数据；相对数据有平均数据、比较数据等，一般是对状态数据进行初步分析后的数据。 平均数据一般有简单平均和加权平均。

迎新晚会主题

状态数据的分析大致包括三个步骤。 首先，确定数据模型。 也就是说，基于数据分析的目的，在熟悉状态数据采集平台的结构和各字段含义的基础上，利用“果-因-效”逻辑关系，从状态数据采集平台的海量宁段中找出各种表达指标。 并按照教育部16号文件精神聚焦，确定主要表现指标，建立数据模型。 接下来，整理相关数据。 根据主要表现指标和数据模型，从状态数据采集平台的海量数据中查找相关数据，并进行系统整理。 三是比较相关数据。 基于制作的数据模型，比较整理后的相关状态数据。 通过比较，可以进行横向数据的比较，可以看到事物发展现状的纵向数据的比较，也可以与可以看到事物发展趋势的平均数据和中位数进行比较，看到事物的发展水平。 目前分析高等职业院校人才培养状态数据主要采用人工手段进行分析。 但随着状态数据每年的不断采集、数据的积累，利用数据挖掘技术，利用计算机进行状态数据处理已势在必行。三.提高高校人才培养工作状态数据分析质量的基本途径为了使状态数据分析结果科学、准确、具有针对性，必须明确研究的针对性，把握数据的整体性，挖掘数据的相关性，提炼结果的科学性。 这是提高数据分析质量的重要保障。1 .明确研究的针对性。 分析状态数据，首先要明确研究的目的，即分析什么问题，如何分析。 根据研究的目的不同，选择的数据、分析的方法、分析的结果也不同。 因此，明确研究目的对进行数据分析至关重要。

研究的目的多种多样，主要反映在三个方面。 一个是研究的层面，是全省层面的研究，也是学校层面的研究。 全省水平的研究主要是对全省各高校进行横向比较分析，平均数、中位数等比较分析，看不同高校在全省发展中的不同水平。 同时，也可以对全省平均数据进行纵向分析，看全省高职教育的发展趋势。 学校层面的研究主要是对学校内部进行纵向比较分析，将当年的状态数量与往年进行比较分析，看学校的发展趋势。 同样，学校也可以对各系、各专业进行横向比较分析，发现各系、各专业发展不平衡。 二是研究内容，是全面分析还是专题分析。 全面分析主要基于评价指标体系的关键评价要素展开，同时也可以融入办学条件、经费保障等，反映地区和学校发展的全貌。 专题分析是根据分析要求，提取平台中某一部分的状态数据进行分析。

德国双元制职业教育

关联分为单纯关联、时间序列关联、因果关联。 相关性分析的目的是找出隐藏在数据库中的相关性网络。 数据挖掘技术的关联规则。 现已广泛应用于金融、商贸。 在人才培养活动状态的数据分析中，收集平台的数万条数据也同样存在这种隐性关联，找到这种隐性关联网络对提高分析质量非常重要。 分析全省专业定位状况，必须从全省几十所高校海量数据中寻找隐性关联网络。 通过平台数据的采集，全省专业设置、招生专业、招生计划、录取人数、报名人数和专科学校学生规模等均与当地产业结构优化升级密切相关，这一关联对于判断全省高等教育和当地经济发展支撑力是有力的依据

4 .凝聚结果的科学性。 对状态数据进行初步分析，会产生很多分析后的数据，我们统称为过程数据。 过程数据不一定对研究问题有重要作用，所以围绕研究目的对过程数据进行分析、筛选，形成对研究问题有重要作用的结果数据。 在分析筛查过程中，主要要考虑几个方面的问题。 一个是哪个过程数据明确地应对了研究问题。 过程数据本身不仅要反映问题、涉及研究问题，而且要在反映问题、研究问题中发挥本质而重要的作用。 二是工艺数据选择的合理性。 三是结果数据分析筛查的准确性。 结果数据分析筛选的准确性是决定分析质量高低的重要因素，如在分析筛选中，对于离散度小的数据，可以采用平均数来反映事物发展的总体状态； 但对于离散度较大的数据，用中位数来反映事物发展的总体状态更为客观。(王成方，浙江金融职业学院总监、研究员，教育部高等职业院校人才培养工作评价研究项目组成员，浙江杭州310018 ) )。参考文献

[1]教育部.关于印发《高等职业院校人才培养工作评估方案》的通知(教高(2008 ) 5号(z ).2008-04-03。[2]张尧学.在新指标体系下稳步开展高职人才培养活动评价[J] .中国高等教育，2008(15/16 ) .[3]教育部高等职业院校人才培养活动评价研究项目组.高等职业院校人才培养活动评价解读与答疑[M] .北京：高等教育出版社. 2009 .[4]杨应崧. 《高等职业院校人才培养工作评估方案》导读[J] .成都航空职业技术学院学报，2009(12 ) .[5]王成方.对高等职业院校人才培养工作评价的几点思考[J] .中国职业技术教育，2008(22 ) .《中国高教研究》刊登于2010年第5期2